کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
10322129 660819 2014 10 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
On-shelf utility mining with negative item values
ترجمه فارسی عنوان
ابزار استخراج معادن با ارزش اقلام منفی
کلمات کلیدی
داده کاوی، معدن بهره برداری، استخراج معادن بر روی قفسه آیتم های ابزار بالا در قفسه، سود منفی،
ترجمه چکیده
به دلیل ملاحظات عملی آن، معادن عملیات انبار در اخیر به علاقه مندان به زمین داده داده شده است. معدن غیرفعال در معرض صرف نه تنها سود و مقادیر اقلام موجود در معاملات، بلکه همچنین دوره های زمان نگهداری آنها در فروشگاه هاست. مقادیر سود از اقلام در معادن استخراج معادن سنتی در نظر گرفته شده است که مثبت است. با این حال، در برنامه های دنیای واقعی، اقلام ممکن است با ارزش های سود منفی مرتبط باشد. در این مقاله پیشنهاد می شود یک رویه کارآمد سه اسکن معدن به منظور کارآمد یافتن مقادیر سودمند در ابزارهای سودمند با مقادیر منفی سود از پایگاه داده های زمانی ارائه شود. به طور خاص، یک روش تولید مؤلفه های موثر برای ایجاد یک تعداد زیادی کاندیداهای غیرفعال و کاهش تعداد اسکن داده ها در معدن، توسعه یافته است. نتایج تجربی برای چندین مجموعه مصنوعی و واقعی نشان می دهد که رویکرد پیشنهادی عملکرد خوبی در اثربخشی هرس و کارآیی اجرا دارد.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
چکیده انگلیسی
On-shelf utility mining has recently received interest in the data mining field due to its practical considerations. On-shelf utility mining considers not only profits and quantities of items in transactions but also their on-shelf time periods in stores. Profit values of items in traditional on-shelf utility mining are considered as being positive. However, in real-world applications, items may be associated with negative profit values. This paper proposes an efficient three-scan mining approach to efficiently find high on-shelf utility itemsets with negative profit values from temporal databases. In particular, an effective itemset generation method is developed to avoid generating a large number of redundant candidates and to effectively reduce the number of data scans in mining. Experimental results for several synthetic and real datasets show that the proposed approach has good performance in pruning effectiveness and execution efficiency.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Expert Systems with Applications - Volume 41, Issue 7, 1 June 2014, Pages 3450-3459
نویسندگان
, , , ,